[发明专利]基于CEEMDAN与随机森林的中长期径流预测方法

权利要求书

1.基于CEEMDAN与随机森林的中长期径流预测方法，其特征在于该方法包括：

步骤一：获取径流序列x(t),并将其分为训练样本和测试样本；

步骤二：利用CEEMDAN将径流序列分解为若干平稳的IMF分量和一个趋势项；

步骤三：将IMF分量及趋势项分别输入RF进行预测；

步骤四：将各IMF分量及趋势项的预测结果重构，得到最终径流序列预测值。

2.根据权利要求1所述的基于CEEMDAN与随机森林的中长期径流预测方法，其特征在于：步骤二所述利用CEEMDAN将径流序列分解为若干平稳的IMF分量和一个趋势项，具体包括以下步骤：

(1)对原始径流序列添加高斯白噪声形成总体分解信号：

xⁱ(t)＝x(t)+ε₀ωⁱ(t)

式中，ε₀表示控制所添加噪声和原始信号信噪比的噪声系数，ωⁱ(t)(i＝1,2,…I)表示一组均值为0、方差为1的高斯白噪声，其中I表示集总次数，即实现I次EMD分解；其中x(t)为原始径流序列，xⁱ(t)为原始径流序列添加高斯白噪声之后的序列；

(2)通过EMD重复分解过程I次，计算总体平均值，并将其定义为原始信号的第一个IMF分量IMF₁(t)，即：

式中，IMFⁱ(t)(i＝1,2,…,I)为第i个EMD分解结果，I为重复EMD分解的次数；

(3)计算一阶残差r₁(t)：

r₁(t)＝x(t)-IMF₁(t)

式中，x(t)为原始径流序列，IMF₁(t)为第一个IMF分量；

(4)对一阶残差添加特定噪声后再次进行EMD分解，求取平均值得到第二个IMF分量IMF₂(t)，即：

式中，ε₁表示控制所添加噪声和一阶残差信噪比的噪声系数，ωⁱ(t)(i＝1,2,…I)表示一组均值为0，方差为1的高斯白噪声，其中I表示集总次数，即实现I次EMD分解，E₁(·)为求取分量过程中定义好的算子；

(5)计算k阶残差r_k(t)：

r_k(t)＝r_k-1(t)-IMF_k(t)

式中，r_k-1(t)为第k-1阶残差，IMF_k(t)为第k个IMF分量；

(6)对k阶残差添加特定噪声后再次进行EMD分解后，求取平均值得到第k+1个IMF分量IMF_k+1(t)，即：

式中，ε_k表示控制所添加噪声和k阶残差噪比的噪声系数，E_k(·)为求取分量过程中定义好的算子；

(7)重复(5)和(6)步，直至残差不能分解，从而求得最终残差R(t)：

(8)则原始序列x(t)的表达式为：

式中，K代表在给定精度下原始序列分解出的IMF分量总个数。

3.根据权利要求1所述的基于CEEMDAN与随机森林的中长期径流预测方法，其特征在于：

步骤三所述将IMF分量及趋势项分别输入RF进行预测，具体包括以下步骤：将步骤二分解出的各IMF分量及趋势项，分为与原始径流序列长度相同的训练样本及测试样本，再将各子序列训练样本输入RF进行模型训练，寻找最优参数，最后采用建立好的模型预测各子序列的测试样本。

4.根据权利要求3所述的基于CEEMDAN与随机森林的中长期径流预测方法，其特征在于：所述的模型训练过程为：设M为RF输入数据长度，m为RF输出数据长度，基于此，对训练样本进行滚动预测来确定模型的最优参数，其中m<M<训练样本长度，m等于测试样本长度，即RF输出数据长度等于测试样本长度。